物理AI來襲，終結不安全自動駕駛，元戎要做AI界的水電公司

4月25日，北京車展E2館，元戎啟行的展臺被圍了三層。沒有新車發布，沒有概念車亮相，甚至沒有常見的燈光秀。但人群的躁動從半小時前就開始了——因為今天，前DeepSeek研發負責人、多模態技術核心研究員阮翀，將首次以元戎首席科學家的身份站上演講臺。“我知道很多人是沖著他來的。”元戎CEO周光走上臺，笑著指了指后臺方向。他頓了頓，話鋒一轉：“但我想先講一個故事。”

“那場事故，讓我想了8年”

2016年，周光身邊發生了一起嚴重的交通事故。他回憶那一刻時語速明顯放緩：“當時我就在想，能不能用AI去解救更多的生命？”

這個念頭在當時近乎異想天開。8年前，自動駕駛還停留在高速封閉路測階段，MPI（平均接管里程）在城市道路上只有可憐的幾公里。而今天，周光在現場給出了一組數據：搭載元戎城市NOA方案的量產車，安全性已經是純人類駕駛的數倍。

“盡管現在城市MPI只有幾十公里，不夠完美，但統計學不會騙人。”周光的語氣更像在跟同行對話，而不是做企業宣講，“我們相信，未來2到3年內，隨著大模型對理解能力的持續增強，真正安全的自動駕駛會變成現實。”

隨后他說了一句讓現場許多人掏出手機拍照的話：“我希望元戎未來能成為物理世界的AI基礎設施。就像通信、電力一樣，成為支撐現實世界運行的基礎能力。當人們談論物理世界的智能時，元戎能成為那個基礎設施體系中的重要一環。”

臺下有人小聲嘀咕：“這是要當AI界的國家電網啊。”

阮翀首秀：不談論文，只講“痛苦的5天”

如果說周光的演講是定調，那阮翀的登場就是全場真正的技術時刻。

這位前DeepSeek研發負責人穿著深色襯衫，沒有領帶，PPT的每一頁都塞滿了架構圖。他開口第一句就捅破了行業窗戶紙：“過去依賴小模型的路子，走不通了。”

阮翀沒有繞彎子。他指出目前輔助駕駛最大的問題——不是不能開，而是“開得讓人不放心”。小模型在90%的場景表現不錯，但剩下的10%長尾場景里，穩定性像開盲盒。“這就導致用戶高頻使用率一直上不去，系統再安全，用戶不信任就是零。”

如何解決？元戎的方案是用一個基座模型，把駕駛決策、場景理解、行為評估全部塞進同一套架構里。更大的模型規模，更高質量的數據，更快的閉環迭代。

“過去，我們跑完一次數據閉環需要大約5天。”阮翀在現場調出一張對比圖，“現在，這個周期被壓縮到了12小時。”

臺下響起一陣低呼。5天到12小時，這不是漸進式改良，是量級上的跳變。

阮翀還首次披露，這套基座模型正在改變元戎的內部運作方式。“從知識庫問答到代碼自動生成，從跨部門協作到實驗分析自主完成，AI已經在重塑我們的研發與管理流程。”他頓了頓，補了一句：“這不是未來，這是上周就已經在發生的事情。”

30萬輛、13億公里、12小時：數據飛輪轉起來了

發布會進行到中段，周光再次上臺，用一組數據打斷了所有人的筆記。

截至目前，搭載元戎啟行城市NOA方案的量產車已突破30萬輛。過去一年，搭載元戎主動安全系統的車輛，累計真實道路運行里程超過13億公里，陪伴用戶駕駛時長4480萬小時。

“這些不是實驗室里的仿真數據，是車在暴雨、修路、鬼探頭、加塞中一公里一公里跑出來的。”周光說這話時，大屏幕上滾動著各種極端場景的實時記錄畫面。

13億公里的路測數據，配合12小時的數據閉環，元戎構建了一個業內罕見的速度優勢。用阮翀的話說：“數據越多，模型越強；模型越強，用戶越愿意用；用戶越用，數據越多。這個飛輪一旦啟動，競爭對手很難復制。”

周光隨后公布了2026年的三個硬指標：量產交付突破100萬輛，MPCI（平均關鍵接管里程）提升至1000公里以上，用戶高頻使用率超過50%。

“50%的使用率是分水嶺，”現場一位來自某主機廠的工程師對記者分析，“這意味著用戶真的把命交給系統了，而不是偶爾嘗鮮。”

艙駕一體Agent：它不是一個語音助手

發布會還留了一個彩蛋：艙駕一體Agent功能的預告片。

視頻里，駕駛員說了一句“我有點累了”，系統自動調整座椅角度、空調溫度、播放舒緩音樂，同時規劃了最近的服務區并降低自動駕駛激進程度。全程沒有任何喚醒詞，沒有二次確認。

“這不是傳統的語音助手，也不是車載娛樂系統。”元戎的產品負責人強調，“它的核心是理解意圖，主動響應。系統要在你開口之前，就隱約猜到你要什么。”

這個“AI大腦”被設計成從駕駛到座艙的全鏈路智能中樞。雖然現場沒有開放體驗，但預告片已經讓不少觀眾伸長脖子。

AI Talk：四位跨界者的“靈魂拷問”

整場發布會最特別的環節，是一場以“AI for what”為主題的圓桌對話。

復旦大學教授張力擔任主持，阿里云AI汽車行業總經理霍健、螞蟻靈波科技世界模型負責人徐英豪、童行書院創始人郝景芳，以及阮翀坐在了一起。

沒有產品宣發，沒有合作站臺。張力一上來就拋出了尖銳問題：“大模型在現實世界的能力邊界到底在哪？世界模型和VLA模型的技術路線，誰更有未來？”

霍健從云計算角度回應：“模型再強，落不了地就是空中樓閣。”徐英豪則更激進：“物理AI不是把大模型塞進車里就完事了，需要重新思考感知-決策-執行的整個鏈條。”

郝景芳的視角更人文：“當AI能主動理解并響應人類需求，我們會不會產生新的依賴？甚至，對‘智能’的定義會不會被重構？”

阮翀的總結很干脆：“技術路線之爭最終會由數據和場景來裁決。元戎不做選擇題，我們全都要。因為物理世界的復雜性，不允許你偏科。”

這場對話持續了40分鐘，沒有標準答案，但氣氛熱烈得不像一個企業發布會。一位媒體同行小聲對記者說：“這才是科技發布會該有的樣子，不是念通稿，是真在討論問題。”

尾聲：物理AI的終局想象

發布會結束后，周光被媒體圍了20分鐘。人群中有人問他：“你說要做物理世界的AI基礎設施，但今天連真正的L4還沒實現，是不是太早了？”

周光的回答很直接：“通信基礎設施也不是一天建成的。我們現在有30萬輛車在路上跑，13億公里的真實數據，12小時的閉環迭代速度。這些數字就是地基。樓還沒出地面，不代表地基不重要。”

他又補了一句：“兩年后你再看。”

彼時，北京車展展館外，夕陽西下。4月的北京還有涼意，但展館內關于物理AI的熱議，才剛剛開始。